awesome ai music generation

Génération de musique impressionnante avec l'IA

Bienvenue dans la liste Awesome Music Generation with AI, une collection organisée de ressources, de projets et de frameworks à l'intersection de l'intelligence artificielle et de la création musicale. Au fil des années, le domaine de la musique générative a connu une évolution significative, propulsée par les progrès des technologies d’apprentissage automatique et d’apprentissage profond. De la composition algorithmique à la génération musicale en temps réel, l’IA a ouvert de nouveaux horizons, permettant un mélange de créativité et d’automatisation autrefois inimaginable.

Cette liste vise à être une plateforme complète pour les passionnés, les chercheurs et les professionnels, rassemblant les projets pionniers, les articles de recherche influents et les cadres de pointe qui façonnent l'avenir de la génération musicale grâce à l'IA. Que vous soyez un musicien explorant la frontière numérique, un chercheur repoussant les limites du possible ou un développeur souhaitant intégrer des capacités musicales basées sur l'IA dans des applications, cette collection constituera une riche source d'inspiration et de connaissances.

Table des matières

• Projets GitHub
• Articles et blogs
• Cours en ligne
• Livres
• Documents de recherche
• Vidéos
• Outils et logiciels
• Conférences et événements
• Diapositives et présentations

Projets GitHub

• Magenta : génération de musique et d'art avec l'intelligence artificielle ??️ (18712 étoiles)
• Audiocraft : une bibliothèque de traitement et de génération audio avec apprentissage profond, comprenant MusicGen, un LM de génération de musique contrôlable avec conditionnement textuel et mélodique (17 044 étoiles)
• Muzic : Compréhension et génération de musique avec l'intelligence artificielle ? (3765 étoiles)
• musiclm-pytorch : implémentation PyTorch de MusicLM, le modèle de pointe de Google pour la génération de musique à l'aide de réseaux d'attention ? (2763 étoiles)
• riffusion : Diffusion stable pour la génération musicale en temps réel ? (2727 étoiles)
• Mubert-Text-to-Music : un bloc-notes démontrant la génération de musique basée sur des invites à l'aide de l'API Mubert ? (2674 étoiles)
• riffusion-app : Diffusion stable pour la génération de musique en temps réel dans une application web ? (2474 étoiles)
• Magenta.js : Génération de musique et d'art avec Machine Learning dans le navigateur ??️ (1899 étoiles)
• AudioLDM2 : génération de texte en audio/musique ? (1733 étoiles)
• musegan : Une IA pour la génération musicale ? (1602 étoiles)
• Radium : Un éditeur de musique graphique et un tracker de nouvelle génération. ?⚡️ (805 étoiles)
• GRUV : Un projet Python de génération algorithmique de musique. ?? (798 étoiles)
• DeepJ : Un modèle d'apprentissage en profondeur pour la génération de musique spécifique à un style. ? (717 étoiles)
• Music Generation with Deep Learning : Ressources sur la génération de musique à l'aide du deep learning. ? (700 étoiles)
• Musika : Génération rapide de musique sous forme d'onde infinie. ?? (646 étoiles)
• Music Generation Research : Une collection de ressources de recherche sur la génération musicale. ?? (516 étoiles)
• MusPy : Une boîte à outils pour la génération de musique symbolique. ?? (387 étoiles)
• MusicGenerator : expérimentez divers modèles d'apprentissage profond pour la génération de musique avec TensorFlow. ?? (309 étoiles)
• MuseTree : génération de musique IA pour le monde réel. ?? (215 étoiles)
• VampNET : Génération de musique avec transformateurs masqués ! ?? (204 étoiles)

Articles et blogs

• Génération de musique simple et contrôlable : un modèle de langage unique (LM) appelé MusicGen qui fonctionne sur une représentation musicale discrète compressée, permettant un meilleur contrôle sur la sortie générée. Des échantillons de musique, du code et des modèles sont disponibles sur le lien fourni.
• Systèmes de génération de musique affective basés sur l'IA : un examen des méthodes : un examen complet des systèmes AI-AMG, discutant de leurs éléments de base, catégorisant les systèmes existants en fonction d'algorithmes de base et explorant les approches basées sur l'IA pour composer de la musique affective.
• Music FaderNets : génération de musique contrôlable basée sur High : un cadre (Music FaderNets) pour apprendre les représentations de fonctionnalités de haut niveau en manipulant les attributs de bas niveau via des techniques de démêlage des fonctionnalités et de régularisation latente.
• Génération de musique par Deep Learning-Challenges and Directions : Un aperçu des approches d'apprentissage en profondeur pour la génération de musique, discutant de leurs limites en termes de créativité et de contrôle.
• MusPy : une boîte à outils pour la génération de musique symbolique : introduction de MusPy, une bibliothèque Python open source pour la génération de musique symbolique, fournissant des outils pour la gestion des ensembles de données, le prétraitement des données et l'évaluation des modèles. L'analyse statistique des ensembles de données pris en charge est également incluse.
• Génération de musique avec auto-encodeur variationnel récurrent pris en charge : Introduction d'une nouvelle architecture de réseau, auto-encodeur variationnel pris en charge par l'historique, pour générer des motifs mélodiques plus longs. Des heuristiques de filtrage sont utilisées pour améliorer la musique générée.
• Génération de musique symbolique avec modèles de diffusion : Application de modèles de diffusion à la modélisation de musique symbolique, démontrant de forts résultats de génération et de remplissage conditionnel.
• Magenta : Un projet de recherche explorant le rôle de l’apprentissage automatique dans la création artistique et musicale.
• Comment générer de la musique avec Python : Les bases : Un article traitant des bases de la génération de musique avec Python, mettant en évidence son utilisation dans la génération MIDI procédurale.
• MidiNet : un réseau contradictoire génératif convolutif pour : Enquête sur l'utilisation de réseaux neuronaux convolutifs (CNN) pour générer de la mélodie dans le domaine symbolique, introduire des mécanismes conditionnels et s'étendre à plusieurs canaux MIDI.
• Une enquête sur l'intelligence artificielle pour la génération musicale : les agents...
• Cet article d'enquête explore le domaine de la génération musicale avec l'intelligence artificielle (IA), discutant des techniques de composition et des avancées dans les systèmes d'IA imitant le processus de génération musicale. Il met également en évidence le rôle des ensembles de données, des modèles, des interfaces et des utilisateurs dans le processus de génération musicale, ainsi que les applications potentielles et les futures orientations de recherche.
• Générer de la musique avec l'intelligence artificielle ?
• Cet article donne un aperçu de la manière dont les réseaux de neurones récurrents (RNN) peuvent être utilisés pour la génération de musique avec l'apprentissage automatique. Il sert de rappel aux techniques de génération de texte basées sur RNN.
• Des réseaux de neurones artificiels à l'apprentissage profond pour la musique...
• Cet article explore l'application des techniques d'apprentissage profond dans la génération musicale. Il propose un didacticiel sur la manière dont l'apprentissage profond peut être utilisé pour apprendre automatiquement des styles musicaux et générer des échantillons de musique.
• Noise2Music : Génération de musique conditionnée par texte avec diffusion...
• Cette recherche présente Noise2Music, un système qui utilise des modèles de diffusion pour générer des clips musicaux de haute qualité à partir d'invites textuelles. Il montre comment l'audio généré peut capturer le genre, le tempo, les instruments, l'ambiance et l'époque spécifiés dans le texte.
• Un auto-encodeur variationnel de classification avec application à... ?
• Cet article présente un modèle basé sur le cadre d'encodeur automatique variationnel (VAE) pour la génération algorithmique de musique. Le modèle intègre un classificateur pour déduire la classe discrète des données modélisées, permettant la génération de séquences musicales dans différentes tonalités.
• Générer de la musique ambiante à partir de WaveNet
• Cet article traite de la motivation et de l'approche pour générer de la musique d'ambiance à l'aide de WaveNet de Google DeepMind, un modèle de génération audio.
• Générer de la musique à l'aide d'un réseau neuronal LSTM
• Cet article de blog présente l'utilisation d'un réseau neuronal à mémoire à long terme et à court terme (LSTM) pour la génération de musique. Il couvre les améliorations apportées à un modèle LSTM existant.
• Modèles probabilistes de diffusion discrète pour la génération de musique symbolique ?
• Ce travail présente la génération de musique symbolique polyphonique à l'aide de modèles probabilistes de diffusion discrète (DDPM). Les modèles présentent une génération d'échantillons de haute qualité et permettent un remplissage flexible au niveau des notes. L'article aborde également l'évaluation de la qualité des échantillons musicaux et les applications possibles de ces modèles.

Cours en ligne

• Cours et certifications d'IA générative : passez à l'étape suivante de votre parcours professionnel et inscrivez-vous dès aujourd'hui à un cours d'IA générative ! Parcourez les cours d'IA générative proposés par les meilleures universités et leaders de l'industrie. ?
• Cours complet de génération d'art IA - Débutant 2 MASTER : Apprenez à tout générer, du langage, de l'art, de la musique et bien plus encore, à l'aide d'algorithmes d'IA de pointe. ??
• Andrew Ng : Annonce de ma nouvelle spécialisation en Deep Learning : Plongez dans l'apprentissage en profondeur avec Andrew Ng, un expert renommé en IA, et découvrez les fondements de ce domaine passionnant. ?
• Meilleurs cours et certifications d'apprentissage profond (Coursera) : améliorez vos compétences et connaissances en apprentissage profond en vous inscrivant à un large éventail de cours proposés par les meilleures universités et leaders de l'industrie.

Livres

• Techniques d'apprentissage profond pour la génération musicale : ce livre présente une enquête et une analyse sur la manière dont l'apprentissage profond peut être utilisé pour générer du contenu musical, fournissant des informations aux étudiants, aux praticiens et aux chercheurs.
• Composition algorithmique : paradigmes de la génération automatisée de musique : offrant un aperçu détaillé de la composition algorithmique, ce livre se concentre sur les procédures et principes importants de manière pratique.
• Génération musicale pratique avec Magenta : explorez le rôle de l'apprentissage profond dans la génération musicale et la composition assistée avec Magenta. Ce guide pratique intègre les modèles ML dans les outils de production musicale existants.
• Apprentissage automatique et génération de musique : plongez à l'intersection de l'apprentissage automatique et de la génération de musique avec ce livre complet, couvrant l'utilisation des techniques de ML dans la création de musique.

Documents de recherche

• Génération de musique simple et contrôlable : cet article présente MusicGen, un modèle de langage unique (LM) qui génère des échantillons de musique de haute qualité conditionnés par une description textuelle ou des caractéristiques mélodiques, permettant un meilleur contrôle sur la sortie générée. Il présente des performances supérieures par rapport aux références d’un benchmark standard de synthèse texte-musique.
• Génération efficace de musique neuronale : MeLoDy (M pour musique ; L pour LM ; D pour diffusion) est proposé comme un modèle de diffusion guidée par LM qui génère des audios musicaux de qualité de pointe tout en réduisant les passages en avant dans le processus d'échantillonnage, ce qui le rend informatiquement efficace.
• Noise2Music : Génération de musique conditionnée par texte avec diffusion : Cet article présente Noise2Music, une série de modèles de diffusion entraînés pour générer des clips musicaux de 30 secondes de haute qualité à partir d'invites textuelles. Il explore différentes options de représentations intermédiaires et démontre la capacité à refléter fidèlement les éléments clés de l'invite textuelle.
• VampNet : génération de musique via la modélisation de jetons acoustiques masqués : VampNet exploite une architecture de transformateur bidirectionnel et un programme de masquage variable pendant la formation pour générer des formes d'onde musicales cohérentes de haute fidélité. Il présente des capacités en matière de synthèse musicale, de compression, d'inpainting et de variation.
• MuseGAN : Multi-track Sequential Generative Adversarial Networks : Cet article propose trois modèles de génération de musique multipiste symbolique utilisant des réseaux contradictoires génératifs (GAN), prenant en compte la dynamique temporelle et les interdépendances entre les pistes.
• JEN-1 : Génération de musique universelle guidée par texte avec diffusion : JEN-1 est présenté comme un modèle universel haute fidélité pour la génération de texte en musique, intégrant à la fois une formation autorégressive et non autorégressive. Il démontre des performances supérieures en termes d’alignement texte-musique et de qualité musicale.
• Museformer : Transformateur à grain fin et grossier Attention : Museformer est une approche basée sur Transformer pour la génération de musique qui répond aux défis liés aux longues séquences musicales et aux structures de répétition musicale. Il introduit des mécanismes d’attention fins et grossiers pour capturer efficacement les structures musicales pertinentes.
• A Comprehensive Survey on Deep Music Generation: Multi-level Perspectives : Cette enquête fournit un aperçu des techniques d'apprentissage profond dans la génération musicale, couvrant diverses tâches de composition sous différents niveaux de génération musicale (génération de partition, génération de performances et génération audio).
• GAN quantifié pour la génération de musique complexe à partir de vidéos de danse : Dance2Music-GAN (D2M-GAN) est un cadre multimodal contradictoire qui génère des échantillons musicaux complexes conditionnés sur des vidéos de danse. Il utilise une représentation audio Vector Quantized (VQ) pour générer divers styles de musique de danse.
• Musique! Génération de musique rapide et infinie sous forme d'onde : système de génération de musique rapide et contrôlable par l'utilisateur qui permet une génération beaucoup plus rapide que la génération en temps réel de musique de longueur arbitraire sur un processeur grand public.
• Une revue systématique de la génération musicale basée sur l'intelligence artificielle : fournit un large éventail de publications et explore l'intérêt des musiciens et des informaticiens pour la génération automatique de musique basée sur l'IA.
• MidiNet : un réseau contradictoire génératif convolutif pour la génération de musique : introduit l'utilisation de réseaux de neurones convolutifs (CNN) pour générer des mélodies dans le domaine symbolique.
• Génération de musique par Deep Learning-Défis et orientations : explore les limites de l'apprentissage en profondeur pour la génération de musique et le besoin de contrôle, de structure, de créativité et d'interactivité.
• Qu’est-ce qui manque dans la génération de musique profonde ? Une étude de la répétition et de la structure : étudie la compréhension de la structure et de la répétition de la musique dans le contexte de la génération musicale et suggère de nouveaux critères musicaux formels et méthodes d'évaluation.
• Génération de musique symbolique avec des modèles de diffusion : présente une technique pour entraîner des modèles de diffusion sur des données séquentielles afin de générer de la musique symbolique avec une forte génération inconditionnelle et des résultats de remplissage conditionnel post-hoc.
• Modèles probabilistes de diffusion discrète pour la génération de musique symbolique : explore l'application des modèles probabilistes de diffusion discrète (D3PM) pour générer de la musique symbolique polyphonique avec une qualité d'échantillon élevée et un remplissage flexible.
• MMM : Exploration de la génération de musique multipiste conditionnelle avec le Transformer : présente un système génératif basé sur l'architecture Transformer pour générer de la musique multipiste avec un meilleur contrôle et une meilleure gestion des dépendances à long terme.
• Techniques d'apprentissage profond pour la génération musicale - Une enquête : analyse les différentes manières d'utiliser l'apprentissage profond pour générer du contenu musical, couvrant les objectifs, les représentations, les architectures, les défis et l'évaluation.
• Mo^usai : Génération de texte en musique avec diffusion latente à long contexte : établit un lien entre le texte et la musique grâce à un modèle de génération de texte en musique très efficace qui peut générer plusieurs minutes de musique stéréo de haute qualité à partir de descriptions textuelles.

Vidéos

• Génération musicale avec Magenta : Utilisation de l'apprentissage automatique dans les arts - 7 novembre 2019. Composer de la musique est difficile et le manque d'inspiration peut être intimidant. Cette vidéo explore comment l'apprentissage automatique peut être utilisé dans la génération musicale.
• Comment coder un algorithme génétique de génération musicale ? - 3 avril 2021. Cette vidéo traite du codage d'un algorithme génétique pour générer de la musique, en s'appuyant sur les concepts présentés dans une vidéo précédente.
• Deep Learning for Music Generation - 8 février 2018. Dans cet épisode de l'émission AI, Erika explique comment créer des modèles d'apprentissage profond en utilisant la musique comme entrée, en abordant les aspects techniques de la génération musicale à l'aide de l'apprentissage profond.
• Composer du heavy metal avec GPT – HuggingFace for Music – 26 janvier 2022. Cette vidéo présente l'utilisation de HuggingFace pour la génération de musique, en se concentrant spécifiquement sur la composition de musique heavy metal.
• MusicGen : Explication de la génération de musique simple et contrôlable - 25 juin 2023. Cette vidéo fournit une explication de MusicGen, un cadre pour la génération de musique simple et contrôlable.
• Jawlove - Everything Will Be Alright - YouTube - Un clip vidéo présentant la chanson "Everything Will Be Alright" de Jawlove.
• Débuts musicaux avec Karen #7 Slippery Fish - YouTube - Une vidéo du programme Music Generation Waterford présentant un spectacle d'éducation musicale.
• Célébration cybernétique | GED | Loudly AI Music Generator - YouTube - Une vidéo démontrant l'utilisation de Loudly AI Music Generator pour créer de la musique EDM.
• Music Generation Cork City - YouTube - Une liste de lecture de vidéos présentant les performances de Music Generation Cork City.
• Principaux outils de génération de musique IA (outils accessibles au public) - vidéo - Une vidéo explorant les meilleurs outils de génération de musique IA disponibles, notamment Mubert AI, AIVA, Soundraw, Beatoven AI, Boomy et Amper Music.

Outils et logiciels

• Stability AI dévoile « Stable Audio » : une plate-forme polyvalente pour la génération de musique AI. Stability AI a lancé une nouvelle plate-forme d'IA, Stable Audio, qui offre un nouveau modèle de diffusion latente pour générer de l'audio conditionné par des métadonnées et du timing, offrant des temps d'inférence plus rapides et un contrôle créatif.
• SuperCollider : Un serveur audio, un langage de programmation et un IDE pour la synthèse sonore. SuperCollider est une plateforme de synthèse audio et de composition algorithmique.
• Meilleurs générateurs de musique IA Open Source : implémentation d'AudioLM, une approche de modélisation de langage pour la génération audio à l'aide de Pytorch. Il comprend des mécanismes de conditionnement pour plus de contrôle sur la musique générée.
• Soundful : un générateur de musique IA qui permet aux créateurs de générer instantanément des morceaux libres de droits. Soundful génère de la musique de haute qualité à l’aide de la technologie IA, permettant à quiconque de créer facilement une musique de qualité professionnelle.
• Strasheela : Un système de composition musicale basé sur des contraintes. Les utilisateurs définissent des théories musicales avec des ensembles de règles de composition, et le système génère une musique conforme à ces théories.
• Meilleurs générateurs de musique AI - 2023 Avis et comparaison : un outil en ligne offrant plusieurs façons de créer des reprises de chansons, notamment la recherche de chansons, le téléchargement de fichiers audio et l'enregistrement direct.
• Qu’est-ce que la musique générée par l’IA ? Meilleurs outils musicaux pour 2023 : un logiciel qui permet aux entreprises d'explorer la musique générée par l'IA comme alternative moins chère, offrant un essai gratuit avec des projets musicaux illimités et des téléchargements mensuels de chansons.
• Meilleur logiciel d'édition audio en 2023 : comparez les avis sur plus de 100 | G2 : une liste complète de logiciels d'édition audio couramment utilisés par les ingénieurs du son et les producteurs de musique, avec des évaluations de produits en temps réel par des utilisateurs vérifiés.
• Avis sur Psycle Modular Music Creation Studio - 2023 : avis et notes des utilisateurs du projet de logiciel open source gratuit Psycle Modular Music Creation Studio.

Conférences et événements

• Événements Neuton.AI - Neuton.AI organise divers événements, notamment une conférence technique ARM sur la brosse à dents intelligente de nouvelle génération et présente son cadre de réseau neuronal unique pour construire des modèles compacts avec une taille et une précision optimales.
• Événements FUTURE DEAD ARTISTS - Restez informé des événements à venir des FUTURE DEAD ARTISTS, y compris la classe FDA 2023 Freshman : FUTURE GENERATION Artists Talk.
• IA générative, applications et DevOps | AI/ML Talks - Pulumi présente une conférence sur l'IA générative, les applications et le DevOps dans le domaine des discussions AI/ML le 19 octobre 2023 à Seattle, WA.
• Women in Tech & Entrepreneurship - Fort Lauderdale Chapter Happy Hour - Événement Happy Hour du Fort Lauderdale Chapter pour les femmes dans la technologie et l'entrepreneuriat.

Diapositives et présentations

• Génération de musique algorithmique | PPT : diapositives traitant de la génération algorithmique de musique, disponibles gratuitement au format PDF ou en ligne.
• Génération de musique avec le Deep Learning | PPT : présentation explorant la génération de musique à l'aide de l'apprentissage profond, téléchargeable au format PDF ou pour visualisation en ligne.
• Génération de musique de fond vidéo avec transformateur de musique contrôlable : diapositives traitant de la génération de musique de fond vidéo à l'aide d'un transformateur de musique contrôlable, disponibles au format PDF ou pour visualisation en ligne.
• Génération automatique de musique à l'aide du Deep Learning | PDF : diapositives expliquant le processus de génération automatique de musique à l'aide de l'apprentissage profond, téléchargeables au format PDF ou pour visualisation en ligne.
• MuseGAN : Réseaux contradictoires génératifs séquentiels multipistes pour la génération et l'accompagnement de musique symbolique (AAAI 2018) : diapositives présentant MuseGAN, un cadre pour les réseaux contradictoires génératifs séquentiels multipistes pour la génération et l'accompagnement de musique symbolique, disponibles au format PDF ou pour consultation en ligne.
• Composition musicale automatique avec transformateurs, janvier 2021 | PPT : Présentation présentant les projets en cours sur la composition musicale automatique à l'aide de Transformers, téléchargeable au format PDF ou pour visualisation en ligne.
• Tutoriel ISMIR 2019 : Générer de la musique avec des réseaux contradictoires génératifs (GAN) : Diapositives du didacticiel ISMIR 2019 sur la génération de musique avec des réseaux contradictoires génératifs (GAN), disponibles au format PDF ou pour consultation en ligne.
• PopMAG : Génération d'accompagnement de musique pop | PPT : diapositives présentant PopMAG, un cadre pour la génération d'accompagnements de musique pop, disponibles au format PDF ou pour consultation en ligne.
• Intelligence artificielle et musique | PPT : diapositives explorant l'application des réseaux de neurones récurrents associés au LSTM pour la génération de musique, téléchargeables au format PDF ou pour visualisation en ligne.
• Apprentissage automatique pour les applications créatives d'IA dans la musique (novembre 2018) | PPT : présentation sur l'apprentissage automatique pour les applications créatives d'IA dans la musique, disponible au format PDF ou pour consultation en ligne.

---

Cette version initiale de Awesome List a été générée à l’aide du Awesome List Generator. Il s'agit d'un package Python open source qui utilise la puissance des modèles GPT pour organiser et générer automatiquement des points de départ pour des listes de ressources liées à un sujet spécifique.